Gummiaryem Lächeln und künstliches ıntelligence

Unter den Ursachen des gummiartigen Lächelns (GS) befinden sich eine übermäßige vertikale Entwicklung des vorderen Oberkiefers, die Hyperaktivität der perioralen Muskeln, die während des Lächelns übermäßige Lippenhöhe verursacht, und eine kurze klinische Kronenlänge. Die kurze klinische Kronenlänge erhöht die Anfälligkeit für GS. Veränderter passiver Ausbruch, Gingiventzündung und Gingivalhyperplasie tragen zu einer verringerten klinischen Kronenlänge bei. Fälle, in denen die vertikale Dimension der Zähne kürzer als die horizontale Dimension ist, legen nahe, dass der passive Ausbruch einen Faktor für GS trägt.

Das Ausmaß von GS ist über alle Zähne, die am Lächeln beteiligt sind, nicht homogen und resultiert häufig aus mehreren ätiologischen Faktoren. Wenn die Gingivalanzeige 3 mm beträgt, wird es ausschließlich auf übermäßiges Gingivalgewebe zurückgeführt. Wenn zusätzliche 2,2 mm Gingivalanzeige vorhanden ist (3 mm + 2,2 mm), wird der vertikale Oberkieferüberschuss (VME) als Faktor angesehen. Wenn zusätzliche 2,8 mm Gingivalanzeige beobachtet wird (3 mm + 2,2 mm + 2,8 mm), ist Hypermobile (HM) -lippe beteiligt. Beispielsweise kann ein 3 mm GS über dem linken Zentralzusammensatz von Oberkiefern allein auf HM -Lippen zurückzuführen sein, während ein ≥8 mm Gs über dem linken zweiten Prämolar von maxillär links auf eine Kombination aus HM -Lippen (2,8 mm), übermäßiges Gingivalgewebe (übermäßiges Gingivalgewebe ((übermäßiges Gingivalgewebe) (() (2,8 mm) und übermäßiges Gingivalgewebe ((() zurückzuführen ist (( 3 mm) und VME (2,2 mm). Dies unterstreicht, wie wichtig es ist, GS auf jedem Zahnniveau für eine genaue Diagnose und eine personalisierte Behandlungsplanung zu messen.

Die Bewertung asymmetrischer GS erfordert für jeden Zahn individuelle Messungen, die die Fehlerwahrscheinlichkeit und die Zeit der Patientenstuhl erhöhen können. Angesichts der Bedeutung wissenschaftlicher Forschung bei der Identifizierung personalisierter Interventionsstrategien für das ästhetische Smile -Design könnte die künstliche Intelligenz (KI) dazu beitragen, die subjektive Natur der ästhetischen Wahrnehmung in eine individualisierte, wissenschaftliche Plattform zu verwandeln, indem spezifische Referenzparameter folgen. Die Verwendung präziser und gültiger Messungen bei der GS -Bewertung kann die Diagnose, ätiologische Bewertung und Behandlungsplanung erleichtern.

Durch die Festlegung eines umfassenden Datensatzes können die Beiträge verschiedener Ätiologien durch Vergleich gemessener Variablen mit idealen Referenzwerten analysiert werden. Eine akribische Analyse ätiopathogenetischer Faktoren und die Schwere der Erkrankung kann durch einen solchen Ansatz erreicht werden. Frühere Untersuchungen zeigen, dass weitere Studien erforderlich sind, die die Genauigkeit und Empfindlichkeit der GS -Diagnose und ihre ätiologische Bewertung validieren.

Bisher wurde keine Studie in der Literatur gefunden, in der die Gingivalanzeige mit AI bewertet wird. Im Gegensatz zu Studien, die Testdatensätze oder Datensätze für die Genauigkeitsbewertung vollständig offener Zugriff verwenden, werden die in dieser Forschung erhaltenen Daten ausschließlich aus einem Trainingsdatensatz abgeleitet. Um die Validierungsstrategie des KI -Modells zu optimieren, wurden ausgewählte klinische Metriken für jeden in GS beteiligten Zahn getrennt gemessen. Die Kennzeichnung wurde über eine lizenzierte webbasierte Annotationsplattform durchgeführt, die mehrere Annotationsoptionen ermöglicht.

Diese Studie umfasst Patienten mit einer hohen Smile -Linie, die von Patienten ausgewählt wurden, die sich an das Ministerium für Parodontologie der Fakultät für Zahnmedizin der Gazi -Universität bewerben. Die Kennzeichnung von Patientenfotos wird von zwei Forschern durchgeführt: einem Parodontologen und leitender Experte für künstliche Intelligenz (KI) und Softwareentwicklung. Fotografien von Patienten mit gummiartigem Smile (GS) werden verwendet, um Schulungen, Validierung und Testdatensätze zu erstellen.

Die einfache zufällige Stichprobenmethode wurde mit einem Konfidenzniveau von 0,95, einer Prävalenz von 0,1 und einem Fehlerrand von 0,05 verwendet. Die Bildung dieser Datensätze folgt den unten beschriebenen Schritten.

Eine Literaturübersicht wurde durchgeführt, um Standardisierungsmethoden für Sichtbarkeitsmessungen von Zahnfleisch zu identifizieren. Es wurde jedoch kein Lineal -System gefunden, das eine gleichzeitige Kalibrierung und Messung der Gingivalanzeige in den Zähnen ermöglicht. Infolgedessen entstand die Notwendigkeit, ein maßgeschneidertes Herrschersystem speziell für diese Forschung zu entwickeln.

Die Gingivalanzeige wird unter Verwendung eines Hybridmodells bestimmt. Der Schulungsprozess umfasst die Pixel -Genauigkeit (PA) und die mittlere Kreuzung über Union (Miou). Der Datensatz wird in Schulung, Validierung und Testuntergruppen unterteilt. Die Bilder werden im Rahmen des Vorverarbeitungsworkflow